使用OpenCV校準魚眼鏡頭的方法

更新時間：2020年11月26日 10:54:41 作者：小白學視覺

這篇文章主要介紹了使用OpenCV校準魚眼鏡頭的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

01.簡介

當我們使用的魚眼鏡頭視角大于160°時，OpenCV中用于校準鏡頭“經典”方法的效果可能就不是和理想了。即使我們仔細遵循OpenCV文檔中的步驟，也可能會得到下面這個奇奇怪怪的照片：

如果小伙伴也遇到了類似情況，那么這篇文章可能會對大家有一定的幫助。

從3.0版開始，OpenCV包含了cv2.fisheye可以很好地處理魚眼鏡頭校準的軟件包。但是，該模塊沒有針對讀者的相關的教程。

02.相機參數(shù)獲取

校準鏡頭其實只需要下面2個步驟。

利用OpenCV計算鏡頭的2個固有參數(shù)。OpenCV稱它們?yōu)镵和D，我們只需要知道它們是numpy數(shù)組外即可。
通過K和D對圖像進行去畸變矯正。

計算K和D

下載棋盤格圖案并將其打印在紙上（字母或A4尺寸）。大家要盡量將這張紙粘在堅硬且平坦的物體表面，例如一塊硬紙板上。因為這里的關鍵是直線必須是直線。
將圖案放在相機前面拍攝一些圖像，圖案要取在不同的位置和角度。這里的關鍵是圖案需要以不同的方式出現(xiàn)失真（以便OpenCV盡可能多地了解鏡頭相關參數(shù)）。

我們先將這些圖片保存在JPG文件夾中。

現(xiàn)在我們只需要將此Python腳本片段復制到calibrate.py先前保存這些圖像的文件夾中的文件中，就可以對其進行命名。

import cv2
assert cv2.__version__[0] == '3', 'The fisheye module requires opencv version >= 3.0.0'
import numpy as np
import os
import glob
CHECKERBOARD = (6,9)
subpix_criteria = (cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 30, 0.1)
calibration_flags = cv2.fisheye.CALIB_RECOMPUTE_EXTRINSIC+cv2.fisheye.CALIB_CHECK_COND+cv2.fisheye.CALIB_FIX_SKEW
objp = np.zeros((1, CHECKERBOARD[0]*CHECKERBOARD[1], 3), np.float32)
objp[0,:,:2] = np.mgrid[0:CHECKERBOARD[0], 0:CHECKERBOARD[1]].T.reshape(-1, 2)
_img_shape = None
objpoints = [] # 3d point in real world space
imgpoints = [] # 2d points in image plane.
images = glob.glob('*.jpg')
for fname in images:
  img = cv2.imread(fname)
  if _img_shape == None:
    _img_shape = img.shape[:2]
  else:
    assert _img_shape == img.shape[:2], "All images must share the same size."
  gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  # Find the chess board corners
  ret, corners = cv2.findChessboardCorners(gray, CHECKERBOARD, cv2.CALIB_CB_ADAPTIVE_THRESH+cv2.CALIB_CB_FAST_CHECK+cv2.CALIB_CB_NORMALIZE_IMAGE)
  # If found, add object points, image points (after refining them)
  if ret == True:
    objpoints.append(objp)
    cv2.cornerSubPix(gray,corners,(3,3),(-1,-1),subpix_criteria)
    imgpoints.append(corners)
N_OK = len(objpoints)
K = np.zeros((3, 3))
D = np.zeros((4, 1))
rvecs = [np.zeros((1, 1, 3), dtype=np.float64) for i in range(N_OK)]
tvecs = [np.zeros((1, 1, 3), dtype=np.float64) for i in range(N_OK)]
rms, _, _, _, _ = \
  cv2.fisheye.calibrate(
    objpoints,
    imgpoints,
    gray.shape[::-1],
    K,
    D,
    rvecs,
    tvecs,
    calibration_flags,
    (cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 30, 1e-6)
  )
print("Found " + str(N_OK) + " valid images for calibration")
print("DIM=" + str(_img_shape[::-1]))
print("K=np.array(" + str(K.tolist()) + ")")
print("D=np.array(" + str(D.tolist()) + ")")

運行python calibrate.py。如果一切順利，腳本將輸出如下內容：

Found 36 images for calibration
DIM=(1600, 1200)
K=np.array([[781.3524863867165, 0.0, 794.7118000552183], [0.0, 779.5071163774452, 561.3314451453386], [0.0, 0.0, 1.0]])
D=np.array([[-0.042595202508066574], [0.031307765215775184], [-0.04104704724832258], [0.015343014605793324]])

03.圖像畸變矯正

獲得K和D后，我們可以對以下情況獲得的圖像進行失真矯正：我們需要取消失真的圖像與校準期間捕獲的圖像具有相同的尺寸。也可以將邊緣周圍的某些區(qū)域裁剪掉，來保證使未失真圖像的整潔。通過undistort.py使用以下python代碼創(chuàng)建文件：

DIM=XXX
K=np.array(YYY)
D=np.array(ZZZ)
def undistort(img_path):
  img = cv2.imread(img_path)
  h,w = img.shape[:2]
  map1, map2 = cv2.fisheye.initUndistortRectifyMap(K, D, np.eye(3), K, DIM, cv2.CV_16SC2)
  undistorted_img = cv2.remap(img, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)
  cv2.imshow("undistorted", undistorted_img)
  cv2.waitKey(0)
  cv2.destroyAllWindows()
if __name__ == '__main__':
  for p in sys.argv[1:]:
    undistort(p)

現(xiàn)在運行python undistort.py file_to_undistort.jpg。